《表1 坑槽提取结果对比：点云剖面特征描述的路面坑槽提取方法》
提示：宽带有限、当前游客访问压缩模式
以坑槽的面积和深度为指标验证提取质量，用本文的提取结果与人工测量的方法进行对比，坑槽提取结果对比如表1所示。
| 图表编号 | XD00192989500 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2021.02.28 |
| 作者 | 畅陈豪、刘如飞、柴永宁、王风春 |
| 绘制单位 | 山东科技大学测绘科学与工程学院、山东科技大学测绘科学与工程学院、山东科技大学测绘科学与工程学院、齐鲁交通信息集团有限公司 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表点云数据总量变化情况：基于PCL平台的激光雷达点云数据特征提取》2020.09.10
- 《表1 点云局部特征：基于移动激光扫描的行道树树干提取》2020.09.25
- 《表1 坑槽修补冷补料的基本性能》2020.12.20
- 《表9 横缝及坑槽处弯沉：高速公路路况调查及FWD检测数据分析》2020.06.25
- 《表1 全站仪实测坐标值：点云反射强度道路标识线角点提取方法》2020.04.25
- 《表3 精度对比：点云反射强度道路标识线角点提取方法》2020.04.25
- 《表1 点云数据精度评价：图像语义分割辅助的车载激光点云道路提取方法》2020.03.01
- 《表1 算法结果对比：电力巡线LiDAR点云电塔自动定位和提取算法》2020.04.25
- 《表1 法向夹角：基于SVM的三维对缝点云间隙阶差提取方法》2020.04.01
- 《表2 实验环境配置：一种邻域自适应的双阈值点云特征提取方法》2020.02.10
- 《表2 坑槽处治：贵州山区运营高速公路沥青路面小修养护技术适用性探讨》2019.10.01
- 《表1 枝干提取结果分析：基于颜色取样的苹果树枝干点云数据提取方法》2019.10.25
- 《表1 检查点实测坐标与点云提取坐标对比》2019.10.25
- 《表1 极化特征提取方法及描述》2019.09.15
- 《表2 降维后的特征描述：一种基于深度学习的医学图像特征提取方法》2019.09.01
- 《表1 提取特征描述：一种基于深度学习的医学图像特征提取方法》2019.09.01
- 《表1 点云特征向量表：车载激光点云中行道树及属性信息提取》2019.05.01
- 《表4 三维点云逐层三角网格化方法犯罪现场特征提取耗时结果》2019.05.25
- 《表1 边界提取效率对比：基于车载LiDAR点云联合特征的道路边界提取研究》2019.01.01
- 《表2 道路提取定量分析：基于车载LiDAR点云联合特征的道路边界提取研究》2019.01.01